一.导言本教程适合对人工智能有一定的了解的同学，特别是对实际使⽤深度学习感兴趣的⼤学⽣、⼯程师和研究⼈员。但本教程并不要求你有任何深度学习或者机器学习的背景知识，我们将从头开始解释每⼀个概念。虽然深度学习技术与应⽤的阐述涉及了数学和编程，但你只需了解基础的数学和编程，例如基础的线性代数、微分和概率，以及基础的 Python 编程本教程将全⾯介绍深度学习从模型构造到模型训练的⽅⽅⾯⾯，以及它们在计算
转载
2024-01-29 21:26:20
23阅读
mxnet 新提出的 Gluon 框架是一个 动态图框架：动态图： define by run 代表就是 Tensorflow，我们首先定义好计算图，然后 feed 数据进行训练网络参数。静态图： define and run 代表就是 chainer， pytorch 和 Gluon 了，在运行的时候定义图。在每个 batch 进行训练的时候都会重新定义一次计算图。1. 安装pip instal
转载
2024-01-11 13:25:32
347阅读
PyTorch 是一个纯命令式的深度学习框架。它因为提供简单易懂的编程接口而广受欢迎，而且正在快速的流行开来。例如 Caffe2 最近就并入了 PyTorch。可能大家不是特别知道的是，MXNet 通过 ndarray 和 gluon 模块提供了非常类似 PyTorch 的编程接口。本文将简单对比如何用这两个框架来实现同样的算法。安装PyTorch 默认使用 conda 来进行安装，例如conda
转载
2023-12-12 15:07:02
164阅读
深度学习pytorch PyTorch绝对是当下的潮流 ，尤其是在最近的1.3和1.4版本中，带来了许多性能改进以及对移动平台的开发者更友好的支持。 但是为什么要选择使用PyTorch，而不是其他框架，如MXNet ， Chainer或TensorFlow ？ 让我们看一下构成PyTorch充分理由的五个原因。 在我们开始之前，请TensorFlow用户在我开始之前就已经输入了愤怒的推文和电子邮
转载
2024-01-01 20:51:50
92阅读
1、查看mxnet的版本import mxnet as mxmx.__version__2、扩展nd的维度image_data = mx.random.normal(shape = (3, 112, 112))image_data.expand_dims(axis = 0)3、装载网络结构import mxnet as mxtrain_net = mx.gluon.model_zoo.get_mo
转载
2024-01-25 18:13:47
105阅读
现在，元峰开源PyTorch、TensorFlow、MXNet、Keras和Caffe五大主流深度学习框架的人脸检测模型和代码了！前两天，元峰开源的近8000张人脸口罩数据和模型，得到了很多朋友的积极反馈，也有很多朋友留言赞赏我们的开源精神。其中一位粉丝朋友说：“公开这么多数据，你好无私啊”，一句话，瞬间让元峰标注数据的痛苦烟消云散了。但是，笔者开源的是Keras和Caffe版本，有更多的朋友发消
转载
2024-08-20 15:35:20
220阅读
在深度学习初始阶段，每个深度学习研究者都需要写大量的重复代码。为了提高工作效率，这些研究者就将这些代码写成了一个框架放到网上让所有研究者一起使用。接着，网上就出现了不同的框架。随着时间的推移，最为好用的几个框架被大量的人使用从而流行了起来。 [1] 全世界最为流行的深度学习框架有PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、T
转载
2023-10-12 09:51:25
237阅读
刚入门深度学习几个月，最先学的框架是pytorch，愁于自己没有好的电脑，最近采用百度的paddle框架，免费提供的时间有限的算力卡对我这个新手还算是很友好，花了半天时间大概能看懂几个入门级别的paddle框架下的代码。自我感觉还是与pytorch有些区别，目前暂时先记在这里，日后再补充。听说ai studio暂时还不支持pytorch，期待！1.编程区别：涉及到具体的流程，可对着ai studi
转载
2023-08-29 14:28:13
611阅读
在上篇文章我介绍了深度学习的一些python基础和IDE的选择，这次我们从李沐老师的译作《动手学深度学习》中完整的走一遍安装MXNet的安装。在介绍安装MXNet安装之前，我们先了解一下，什么是MXNet？在如今开源深度学习框架中包括TensorFlow，Keras，MXNet，PyTorch，CNTK，Theano，Caffe，DeepLearning4，Lasagne，Neon等等。但是当下最
转载
2024-08-20 13:15:14
332阅读
训练神经网络涉及不少的步骤。我们需要知道如何提供输入训练数据，初始化模型参数，执行前向和后向传播，根据计算的梯度更新权重，模型检查等。在预测过程中，大部分步骤是重复的。 所有这一切对于新手以及经验丰富的开发人员而言都是相当艰巨的。幸运的是，MXNet的module 包(简写为mod )模块化了用于训练和推断的常用代码。module提供用于执行预定义网络的高级和中级接口。我们可以互换地使用两个接口。
转载
2024-08-05 11:36:15
82阅读
一、anaconda的安装1、anaconda的下载anaconda的下载很多博主会给出官网和镜像两种方式，个人认为完全不需要官网，镜像资源yyds，这里直接给出清华的镜像源：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror这里需要注意的是，并不是越新的anaconda越好，因为我第一次使用的是anaco
转载
2024-09-02 08:45:13
107阅读
1. 基本概念1.1 MXNet相关概念 深度学习目标：如何方便的表述神经网络，以及如何快速训练得到模型 CNN(卷积层)：表达空间相关性(学表示) RNN/LSTM：表达时间连续性(建模时序信号) 命令式编程(imperative programming)：嵌入的较浅，其中每个语句都按原来的意
转载
2024-01-12 01:42:52
264阅读
一、学习内容MTCNN的学习，主要学习其预测过程。具体细节结合以下代码记录： pytorch框架：https://github.com/TropComplique/mtcnn-pytorch, MXNet框架：https://github.com/pangyupo/mxnet_mtcnn_face_detection主要围绕pytorch框架来记录，其代码实现基本相似，主要的函数操作是相同的，之所
转载
2024-01-02 20:14:58
99阅读
# Paddle和PyTorch究竟哪个更好？
随着深度学习技术的不断发展，越来越多的框架应运而生，其中较为著名的包括PaddlePaddle和PyTorch。这两个框架各有特色，吸引了大量开发者和研究者的关注。那么，Paddle和PyTorch究竟哪个更好呢？本文将通过对比二者的特点、优缺点，举例说明，并附上基本的代码示例。
## 1. 框架简介
### 1.1 PaddlePaddle
# 如何判断 PyTorch 和 Paddle 哪个更好
在机器学习的世界中，选择合适的框架是非常重要的一步。当前，PyTorch 和 Paddle 是两个非常流行的深度学习框架，你可能会想知道哪个框架更适合你。本文将指导你完成决策过程，并提供必要的代码示例和解释。
## 1. 决策流程
在判断 PyTorch 和 Paddle 哪个更好的过程中，我们可以按照以下步骤进行：
| 步骤 |
# 如何评估 "PyTorch vs TensorFlow"
在机器学习和深度学习领域，PyTorch和TensorFlow是两个流行的框架。但是，很多初学者通常会面临一个问题：到底选择哪个框架呢？在这篇文章中，我们将建立一个系统的方法来帮助你做出明智的决定。
## 流程步骤
下面是我们评估两个框架的基本流程：
| 步骤 | 描述
pytorch 和 tensorflow的区别1 图的创建及调试 pytorch 图结构的创建是动态的，即图是运行时创建；更易调试pytorch代码，调试pytorch代码就像调试python代码一样，可以利用pdp在任何地方设置断点； tensorflow 图结构的创建是静态的，即图
转载
2023-08-11 18:07:42
93阅读
# Transformer与PyTorch的选择指南
## 介绍
在自然语言处理和计算机视觉中，Transformer模型占据了重要地位。而PyTorch则是实施模型的强大工具。本文将对如何选择“Transformer和PyTorch哪个好”进行详细的步骤分析。
## 选择流程
以下是选择流程的总览：
| 步骤 | 描述 |
|--
原创
2024-10-14 05:10:40
271阅读
# NumPy和PyTorch哪个好？
在数据科学和深度学习领域，NumPy和PyTorch是两个不可忽视的强大工具。它们各自拥有不同的优势和适用场景。本篇文章将探讨这两者的特点，并通过代码示例帮助你更好地理解它们的使用方法，最后给出一些应用场景的分析。
## NumPy简介
NumPy是一个用于科学计算的开源Python库，它提供了支持大规模多维数组和矩阵的功能，并对数组的操作进行了丰富的
在李沐老师的【动手学深度学习v2】学习中，在“linear-regression-scratch.ipynb”中遇到了以下代码：产生疑问：为什么要用list(range(…))？于是写代码研究range和list的区别：运行结果：可知：1、list和range对象都可由torch.tensor(…)转换为tensor.2、range, list和tensor都可用方括号下标索引，且[0:n]索引的
